本综述提出Vid-LLMs幻觉的系统分类：动态扭曲（含时空动力学错误与引用不一致）与内容编造（受先验或音频主导），并分析其根源及评估缓解进展。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您尝试使用perplexity生成文献综述，但返回结果混杂新闻稿、自媒体解读或未标注出处的泛泛陈述，则可能是由于未启用academic模式或未限定权威信源范围。以下是高效完成学术论文综述的实操路径：一、启用Academic模式并验证激活状态
Academic模式是触发Perplexity调用同行评议文献、预印本平台及机构知识库的前提条件，关闭该模式将导致响应混入非学术内容，削弱综述的可信基础与引用有效性。
1、访问perplexity.ai官网或启动已登录账户的桌面/移动应用。
2、在搜索框左下方点击“Focus”下拉菜单。
3、从选项中选择“Academic”，确认界面顶部出现蓝色标识条并显示“Academic mode enabled”。
4、输入测试问题：“近五年关于LLM幻觉缓解策略的系统性综述”，观察右侧“Sources”侧边栏是否列出含DOI链接或arXiv编号的文献条目，如ACM Computing Surveys或Nature Machine Intelligence等来源。
二、限定学术数据库组合执行精准检索
仅启用Academic模式不足以排除低信噪比结果；必须主动关闭大众网页索引，并强制系统仅从经验证的垂直数据库中提取内容，确保每一条信息均可溯源至原始出版物。
1、在已启用Academic模式的界面中，于关键词输入后等待下方出现“Search in”按钮。
2、点击该按钮，勾选PubMed、arXiv、Google Scholar三项。
3、取消勾选“Web”“YouTube”“Reddit”等非学术渠道。
4、若需覆盖中文核心期刊且账户已绑定高校IP或CNKI权限，额外勾选CNKI。
5、执行搜索后，所有结果右侧均附带可点击的原始页面链接及[PDF]、[DOI]、[PubMed]图标标记。
三、构建嵌套式提问链以生成结构化综述段落
单次提问易导致内容堆砌与逻辑断裂；应将综述任务拆解为定义—演进—方法—争议—应用五维框架，逐层触发Perplexity的溯源机制，使每一段输出天然携带对应文献锚点。
1、首问聚焦概念锚定：“请用三句话定义‘大语言模型幻觉’，并列出2020–2024年被引最高的3篇奠基性论文（含DOI链接）。”
2、次问追踪理论演进：“基于上述3篇论文，梳理该概念自2022年以来的两个主要技术归因路径及其代表研究（注明作者、年份、期刊）。”
3、三问锁定实证分歧：“在第二路径中，哪些研究报告了prompt engineering对幻觉率降低超过40%？请提取其评估指标、基准数据集与统计显著性（p值）。”
